基于异步深度强化学习的RSU辅助多跳任务卸载方法

本发明公开了一种基于异步深度强化学习的RSU辅助多跳任务卸载方法，涉及边缘卸载和深度强化技术领域，通过建立车辆移动模型和通信模型，精确评估节点之间的连接稳定性；将任务卸载问题建模为一个高维MDP，并采用A3C算法求解该问题；A3C算法通过异步训练多个智能体，有效处理了大规模动作空间下的优化问题，从而在复杂多变的车联网环境中实现了更优的任务卸载策略；与现有的任务卸载策略相比，本发明方法在减少任务处理延迟和提高计算资源利用率方面表现出显著的性能提升，特别是在多RSU和高动态性场景下，显著提高了系统的任务完成率和资源利用效率；此外，本发明还具有良好的扩展性，能够适应未来车联网中更加复杂的应用需求。